我国深度学习研究二十年透视

司刊的尔·司马义 王怀波

（1.北京师范大学 教育学部, 北京 100875;2.新疆师范高等专科学校, 新疆 乌鲁木齐 830043)

一、引言

受《地平线报告》的影响，以“注重批判理解、强调信息整合、促进知识建构、着意迁移应用、面向问题解决”为标志的深度学习引起我国学习科学领域研究者的广泛关注。深度学习的概念最早源自人工神经网络的研究。随着研究的不断深入，深度学习在教育领域也引起了研究者们的高度重视。教育领域研究者发现“学习也有深浅之分”，并且发现深度学习是深度加工知识信息、提高学习效率的有效途径，为此发展深度学习也成为当代学习科学的重要举措（常立娜，2018）。

然而，在学习科学领域深度学习的概念却一直没有一个统一的标准。总体来说，主要集中在两个方面：一是深度学习过程观，主要是以Biggs和Entwistle为代表的早期深度学习研究者，他们认为深度学习（Deep Learning）是以高级思维的心智状态为特质的学习过程，因此重点研究学习者在学习过程中所采用的深度学习法、深度学习动机、深度学习策略等方面（Biggs, Kember, & Leung, 2001; Entwistle, 1991）；二是深度学习结果观，主要以Pellegrino和Hilton等深度学习研究者为代表，他们认为深度学习（Deeper Learning）是一种以达到分析、综合、评价为目标的结果状态（Pellegrino & Hilton, 2012），即重点研究学习者突破知识的简单记忆，达到融会贯通、灵活应用以解决实际问题（张静，杨文正，2014）。其实，无论从哪个角度，我们都可以看出深度学习对学生学习提出了新的要求。它所强调的学习是一种与以往不同的学习，它不再以考试为目标，也不再局限于对知识简单的、机械式的复制，而是要求学习者进行领会、运用、综合、分析与评价，以及能够在生活情境中解决实际问题，形成高阶思维目标。这种新的要求对学生形成自己的系统观点和思维路径具有重要的意义。尤其是在近年来，随着网络碎片化知识的不断渗入，走马观花式的浅层学习成为人们主要的学习方式，研究者开始逐渐意识到深度学习的重要性。正如2016年《地平线报告（高等教育版）》所描述的那样，深度学习将成为未来3～5年内的重要发展方向（L·约翰逊 等，2016）。

基于此，本研究旨在通过对我国深度学习相关文献进行系统梳理，了解我国深度学习研究脉络，掌握我国深度学习主要研究领域，探究我国深度学习发展历程，以期能为我国深度学习研究与发展提供一定的指导。核心研究问题包括：①我国深度学习发展脉络如何？各自有什么特征？②我国深度学习研究有哪些核心研究方向？各研究方向的主要成果有哪些？③我国深度学习研究未来走向何方？各自存在哪些不足，并且需要如何改进？

二、研究设计

（一）数据来源

深度学习最早由Marton和Säljö（1976）两位学者提出，随后经过几代人的发展，形成包含“deep learning”“surface learning”“deeper learning”等不同表述方式。鉴于我国学者在对概念引入时表述方式的不同，研究以“深度学习”“深层学习”“表层学习”和“浅层学习”为关键词，以中国知网学术文献总库中的全部期刊为检索数据库，检索我国深度学习研究的相关文献。通过检索发现有关深度学习最早一篇文章为马贞如1997年发表的《运用阅读理论提高精读课教学效果》，文章阐述了“深度学习法”和“浅层学习法”的概念，开创了我国学习科学领域深度学习研究的先河。为了探究国内深度学习研究从最初的阐释到如今经历的演化和发展，研究选定二十年的时间跨度，探究从1997年到2017年这二十年间我国深度学习研究的发展脉络。研究通过阅读中国知网学术文献中检索的文章及摘要，剔除与研究主题不相关的文献（如机器学习领域的深度学习）以及会议通知等非学术文献后，共得到446篇与深度学习高度相关的文章。

（二）研究方法

研究主要采用知识图谱分析和内容分析两种研究方法，其中知识图谱分析探究深度学习的研究热点与发展脉络；内容分析法则用于分析现有深度学习研究方向及其核心研究成果。

知识图谱分析是一种较新的文献计量方法。其主要通过对高频关键词出现频次的统计分析，生成共被引矩阵，并由此通过聚类分析、多维尺度分析、因子分析、社会网络分析等高级统计处理，绘制出不同形式的可视化图形，客观系统地展示出知识单元或知识群之间网络、结构、互动、交叉、演化或衍生等诸多隐含的复杂关系（陈悦，陈超美，刘则渊，胡志刚，王贤文，2015）。

内容分析法是指通过对某一领域的研究内容进行客观、系统、定量的描述，用以深入把握该研究领域的研究现状与研究内容的科学研究方法（风笑天，2009）。该方法旨在通过梳理研究对象的本质事实与发展趋势，挖掘该领域所蕴含的深层次内容（李克东，2002）。

（三）分析工具

CiteSpace是一款基于Java平台开发的应用软件，因其适用于多元、分时、动态的复杂网络分析，而成为信息分析领域中最具特色和影响力的信息可视化软件（Chen, 2006）。CiteSpace软件的功能主要包括作者合作分析、关键词共词分析、机构合作分析、作者共被引分析、文献共被引分析等（潘黎，王素，2011）。CiteSpace的一般使用步骤为：确定一个研究领域；收集相应格式的文献元数据；选择时间参数、时区分隔；设置阈值、确定算法得到可视化图谱；形成最终结论。

三、深度学习发展脉络

图1 我国深度学习文献的时间分布

通过对筛选出来的446篇高度相关的深度学习文献进行统计分析，得出如图 1所示的论文数量随年份分布情况。图中横轴代表年份，纵轴表示对象年份发表的论文数量，折线代表深度学习文献的整体变化情况。

从中可以看出我国深度学习研究最早始于1997年，并在此后的几年里一直处于缓慢增长，甚至一度出现停滞不前的蛰伏期，且这一蛰伏期一直持续到2004年。受美国教育传播与技术协会（AECT）所给出的教育技术04定义影响（突出强调了深度学习的思想理念），我国深度学习研究开始出现复苏，并在此后多年中逐步呈现出迅猛的发展势头（雷钢，2008）。当然，除了受国际方面的影响，深度学习研究还受国家相关政策的影响。如国家在2010年和2012年先后出台的《国家中长期教育改革和发展规划纲要（2010－2020年）》《教育信息化十年发展规划（2011－2020年）》两部文件中所强调的“培养学生的自主学习能力、合作学习能力以及问题解决能力”体现了深度学习的理念和观点，从而进一步促进了深度学习研究的发展（教育部，2010；2012）。

为了探究我国深度学习发展脉络，采用美国费城德雷塞尔大学陈超美博士开发的CiteSpace软件，对已有446篇文献进行词频分析。研究结合词频热点分析及可视化的时间线图谱共同探究深度学习发展阶段，从而确定深度学习的发展脉络。文章将CiteSpace中的阈值（C、CC、CCV，其中C为文献被引频次；CC为文献同被引频次；CCV为同被引系数）设为（1，1，20）；选择路径发现（Pathfinder）的剪切连接方式，以简化网络结构突出重要特征，并采用聚类静态（Cluster View-Static）和展示整个网络（Show Merged Network）的可视化方式呈现研究热点及聚类图谱。

关键词共现频次的高低及中心度的大小通常表示一段时间内研究者共同关注的问题，即研究热点。在知识图谱中，圆表示关键词节点，圆环越大表示该节点所对应的关键词出现频次越高。图2呈现了我国深度学习研究中关键词共现的时间线图谱，其中，深度学习、深层学习、浅层学习出现频次较多，随后是学习方式、教学策略、学习过程、学习动机、翻转课堂等。除去受检索词本身影响的深度（层）学习、浅层学习之外，学习方式、教学策略、问题解决、移动学习、翻转课堂、微课教学等关键词表示了不同时间内我国深度学习的不同研究热点。

图2 深度学习相关文献关键词频次时间线图谱

依据时间线图谱中各关键词的密集程度、关联关系与影响，研究将我国深度学习发展历程划分为三个阶段：深度学习萌芽期、深度学习发展期和深度学习爆发期。

（一）第一阶段（2004年以前）：深度学习萌芽期

这一阶段是我国深度学习研究的萌芽期。聚类结果显示，该阶段共生成26个节点，41条连线（见图3）。说明深度学习研究节点较为分散、孤立，研究主题相对宽泛，既包含深度学习概念与特征的探讨，也包含探究学习动机、学习方法、学习策略和学习环境等方面对深度学习的影响。

图3 深度学习萌芽期知识图谱

概括来说，此阶段深度学习研究内容可分为理论研究和实验验证两部分：①深度学习理论研究，主要包括对深度学习概念的引入、阐述和深度学习特征的形成。从中国知网上检索到有关深度学习最早一篇文章为马贞如1997年发表的《运用阅读理论提高精读课教学效果》，文中有针对性地介绍了“深度学习法”，并从阅读教学中学生是重点关注“意义”还是“措辞”两个方面阐述了“深度学习法”和“浅层学习法”的概念（马贞如，1997）。李耀俊（2001）通过对深层和浅层学习通道（完成学习任务的方式）的对比，提出从生成性思考、解释的性质、提出问题、元认知和学习方式五个方面辨别采用不同学习方法的学习者，形成深度学习早期特征。②深度学习实践研究，主要包括从学习动机、学习方法、学习环境、学习策略等几个方面开展实证研究提高学习效果。如吴艳茹和刘梅花（2001）通过培养学生反思实践，从而促进学生积极采用深度学习方法，最终实现学生主动进入深层学习并取得高效的学习结果等。隋洁和朱滢（2004）通过实验探究了不同学科间深度学习动机和浅层学习动机对其知识的获得产生的不同影响。

此阶段的研究属于深度学习的萌芽期，是深度学习研究在我国孕育发芽的关键阶段。这一阶段深度学习研究的核心特征是概念的引入和早期实验的验证，即引入深度学习方法以及深度学习的概念，开展系列实验探究不同因素对深度学习效果的影响。虽然这一时期的研究为我国深度学习研究勾勒出基本的框架，但由于这一阶段的研究往往从各自实践的角度引入深度学习并进行解读，且以引入国外观点为主，缺乏系统的梳理和升华，因此并未在较大层面上引起研究者的关注。

（二）第二阶段（2005年至2013年）：深度学习发展期

这一阶段是我国深度学习研究的发展期。聚类结果显示，共有节点415个，连线862条。如图4所示，这一阶段深度学习研究特点是形成了以深度学习（深层学习）本质探讨为核心内容，并向外辐射形成包含深度学习学习动机、学习方式、学习过程、教学策略、自主学习、学习模式以及移动学习、团队学习等研究节点。

依据此时期我国深度学习研究的关键词分布，大致又可分为两个阶段：发展初始期和发展深入期。

图4 深度学习发展期知识图谱

1. 发展初始期

2005年到2010年为我国深度学习发展初始期。这一阶段的深度学习研究主要以思辨为主，辨析与阐述深度学习概念、内涵与特征（何玲，黎加厚，2005；孙银黎，2007），辨析深度学习与浅层学习概念上的异同（叶晓芸，秦鉴，2006），初步探究如何在教学中开展深度学习的相关思考（王珏，2005），从而实现了深度学习研究本土化的过程。

此阶段的深度学习研究既阐明了深度学习的概念、内涵与特征，还讨论了学习动机、方法、策略等对深度学习的影响，不仅为我国深度学习研究奠定了基础，同时也为后续深度学习研究提供了理论指导。然而在这一阶段研究者多从理论层面上辨析深度学习概念、内涵与特征，且大都属于引进国外的相关研究成果，缺乏对深度学习的深入探究，有必要引起我国学者关于深度学习研究的深思并持续关注与探讨（王竹立，2010）。

2. 发展深入期

从2011年到2013年是我国深度学习发展相对深入的时期。这一阶段的深度学习体现了研究者对深度学习的进一步思考，形成了全面发展的新局面，主要体现在两个方面：研究视角的拓宽和研究范围的转移。在研究视角上，深度学习研究不再局限于从学习动机、学习方法、教学策略、教学方法等方面促进深度学习，而是拓宽到包含深度学习评估体系的构建（张浩，吴秀娟，2012），深度学习资源的建设（陈琳 等，2011），基于新技术、工具和平台的深度学习环境建设（庄绍勇，耿洁，尚俊杰，2013）等。在研究范围上，既包括从原本基于学生的深度学习研究转移到成人深度学习研究（张豪锋，王春丽，2011），还包括从基于传统的课堂教学研究转移到基于网络的在线学习和移动学习领域（景红娜，陈琳，赵雪萍，2011；陈意，2011）。

此阶段深度学习研究着重体现了对深度学习研究的视角拓宽和范围转移，并且通过在各自领域的具体实践，切实深入发展了我国深度学习研究。在此基础上更多的研究者开始将深度学习策略与各自学科相融合，并在实践中证实了深度学习对学生学习的重要意义。

（三）第三阶段（2014年至2017年）：深度学习爆发期

此阶段为我国深度学习研究的爆发期。聚类结果显示，共有节点711个，连线1 233条。如图5所示，这一阶段深度学习研究除了关注教学策略、教学模式、课堂教学之外，还出现了包括翻转课堂、微课、MOOCs、SPOC、核心素养、学习分析等新教学方式、新教学理念以及新技术在内的研究节点。

图5 深度学习爆发期知识图谱

深度学习爆发期的研究发展可归纳为三个方面：一是基于新环境平台的研究，二是基于新技术工具的研究，三是基于新理念观念的研究。

新环境平台，主要是通过延续传统深度学习研究的思路，从深度学习教学策略、学习动机、学习方法等方面开展新环境、新平台的深度学习研究（蒋梦娇，邹霞，2014；赵海霞，2015；胥碧，余胜泉，2016）。

新技术工具，是借助包含大数据、物联网、云计算、学习分析等新一代信息技术开展深度学习相关研究（顾小清，冯园园，胡思畅，2015），其核心在于通过这些新技术工具在教学中的应用（纪宏璠，雷体南，方红，2015），探究影响深度学习的效果因素，并促进深度学习的发生。

新理念观念，则是借助新的教育理念观点，包括翻转课堂理念、微课理念、创新理念、核心素养发展理念等，探究如何更好地促进深度学习（张春兰，李子运，2015；徐君英，2015； 陈明选，张康莉，2016）。

此阶段的研究属于深度学习发展的爆发期，是深度学习研究在我国百花齐放的新阶段。这一阶段的深度学习研究体现了新技术、新工具、新方式以及新的教育教学理念支持下的深度学习研究趋势，出现了深度学习与MOOCs、创客、微课、翻转课堂等不同教学形式的融合。这些新兴教学形式的出现为提升学生深度学习效果，提高学生高阶思维能力提供了全新的平台与环境。

四、深度学习研究进展及成果

为了进一步认识深度学习研究成果，研究采用内容分析法，以单篇独立的文献作为分析单元梳理总结各自观点，并进行系统编码与分类。

综合泛在学习、微课等已有关于内容编码的体系类目（理论、应用、支持、评价）以及对深度学习研究领域的理解和认识，本研究将深度学习研究分析类目设计为：深度学习理论研究、深度学习应用研究、深度学习支撑环境、深度学习评价研究以及其他五个部分，并依据具体内容细化出相应的二级类目。考虑到有些研究可能存在一定的综合性，如既有内涵的界定又有实证应用，针对这类情况，在编码过程以文献核心内容为主要依据。最终通过对文献进行编码与统计，得出如下页表1所示的内容编码体系及其结果汇总表。

从表1可以看出，目前我国对深度学习的研究主要集中在理论研究和应用研究两个方面，其中理论研究多集中在学习动机、方法的调查研究及其相关策略形成和与其他领域、观念的结合方面；应用研究多集中于高等教育领域和基础教育领域。其次是支撑环境的建设，如工具、平台的建设，框架、模型的构建以及一些资源的建设。而在深度学习评价方面研究比较薄弱。

表1 内容分析类目及统计情况

（一）深度学习理论研究

关于深度学习理论研究的文章共有195篇，占整体样本的43.73%。研究依据不同文献的侧重点，将深度学习理论研究归纳为四个方面，即深度学习概念、内涵、特征等的辨析；深度学习动机、方法、策略等的探究；深度学习相关综述；深度学习与其他领域、观念的结合。

理清概念是所有研究的基础。深度学习是指在理解的基础上，学习者能够有批判性地学习新思想和新事物，并将它们融入原有的认知结构中；能够在众多思想间进行联系，并能够将已有的知识迁移到新的情境中，做出决策和解决问题的学习（何玲，黎加厚，2005）。这种对深度学习的解读更倾向于从学习结果层面进行解释，即认为深度学习不再仅仅是学习方法与策略的异同，而是意味着在意义的理解与批判、知识的联系与构建以及学习的迁移与应用方面存在显著差异。这种差异的认识也促使了研究者开始从记忆方式、知识体系、关注焦点、学习动机等多个角度探究深度学习的本质特征。虽然学者的出发点不同，但几乎所有研究都强调了以下几个特征：①批判理解，即强调学习者批判性地学习新知识和思想，并纳入原有的认知结构形成多元连接；②信息整合，包括实现多渠道的信息整合以及新旧知识间的整合；③建构反思，即实现知识的同化和顺应，并同时对自我建构结果进行审视、分析、调整；④迁移运用，即强调学习者能够在新的情景中对所学知识的“举一反三”；⑤问题解决，即需要在原有的基础上重新分析，解决复杂的、劣构领域问题（杜娟，李兆君，郭丽文，2013）。

（二）深度学习应用研究

依据深度学习应用研究的对象不同，将其总结为四个方面，即应用于基础教育、职业教育（包括中职、高职等）、高等教育以及成人教育。从整体研究比例来看，关于深度学习应用研究的文章有165篇，占总体样本的36.99%。这也说明，深度学习研究者已在实践中积极落实深度学习相关研究结论，并在实践中不断提升。

在深度学习应用研究的三类应用领域中，高等教育占据50.91%以上，且多应用于英语教学中。这些基于高等教育的深度学习研究，通常以教学研究为导向，引入深度学习理论，并提炼出系列教学建议与策略，例如：确立高阶目标，形成整体认识；激发学习动机，引导积极体验；整合意义联结，促进融会贯通；创设真实情景，避免空洞说教；基于任务驱动，解决实际问题；时刻关注评价，引导学生反思建构等。与高等教育领域的深度学习应用研究相比，基础教育方面的研究更偏向于以具体问题为切入口，应用学科也更加多样。这类研究通常基于研究者或者教师本人对教学体验以及对如何提升学生深度学习的思考，形成一些促进深度学习发生的特定步骤和方法。这些步骤与方法具有一定的微观性，即通常针对特定的对象与活动，因此其形成的方法难以实现迁移与应用。在职业教育领域深度学习应用相对较少，有在英语、语文等传统学科的应用，也有在软件、设计等实操类学科中的应用。在成人教育领域深度学习应用最少，主要集中在教师培训方面。

（三）深度学习支撑环境研究

深度学习支撑环境研究主要包括促进深度学习发展的工具、平台建设，应用教学的模型框架设计和资源建设。

其中借助新工具、平台研究深度学习的文章占据深度学习支撑环境研究文章的50.88%，说明在信息化高度发展的今天，有越来越多的研究者开始关注如何借助新的技术、平台探究深度学习。在这些文献中，有的专门开发相关工具、模型，以实现辅助学生解决实际问题，获得深度学习（顾小清 等，2015；纪宏璠 等，2015）；有的分析现有相关平台，从如何高效提升深度学习的角度提出针对性的对策与建议（李亚娇，段金菊，2012），这些方面的研究不仅从信息化视角丰富了深度学习研究的领域，同时还为后续深度学习研究的发展提供具有建设性的意见。关于深度学习教学模型框架设计的文章占深度学习支撑研究文章的28.07%，为深度学习教学过程指明路径。如焦夏和张世波（2012）基于问题解决的思路提出包含以问题为中心、个性化协作学习、实时交流、实际应用和反思总结五个模块的深度学习模式，为移动学习环境下成人深度学习提供了模式借鉴与应用指导。此外，针对基于传统数字化学习资源无法满足当今学习者的深层学习需求，有研究者从提高深度学习效果出发，形成集艺术性、科学性、教育性、先进性高度融合系统化的优质网络学习资源的建设性意见（陈琳 等，2011)。

（四）深度学习评价研究

由于对深度学习概念理解的不同，我国深度学习评价研究主要包括两大方向：一是以学习过程为出发点，从学习策略、方法等角度进行评价；二是以深度学习结果为出发点，从学习者最终产出的结果进行深度学习效果评估。

从学习过程进行深度学习评价研究，主要通过对国外一些较为成熟的深度学习评价方式（如学习过程量表、修订后两因素量表、SOLO结果评价等）进行修订并应用到具体的实例中，从而形成一系列适合于我国深度学习相关测量的工具和方法。如黄品贤等（2013）探索Biggs等人提出的修订后两因素量表（R-SPQ-2F）在研究生医学统计学课程评价中的信度、效度和适用性，为医学课程教学策略和学习策略的研究确定了良好的测评工具。

随着对深度学习认识的深入，研究者发现深度学习不仅仅是一个学习过程，它也是一种学习结果。由于基于学习过程的评价方式仅测量学习过程中的方法策略，而缺少对结果层面的测量统计，因此有必要从结果评估的角度构建评价体系，从而更全面地为评估深度学习提供依据。如张浩、吴秀娟和王静（2014）提出的包含布鲁姆的认知目标分类法、比格斯的SOLO分类法、辛普森的动作技能目标分类法和克拉斯沃尔的情感目标分类法的四维度评价体系，满足了解析不同领域内深度学习者可达成的预期目标。

五、深度学习发展趋势分析

依据内容编码体系及其不同研究方向的结果分布，绘制出各研究方向年度分布图（见图6）。

图6 深度学习各研究方向年度分布

从上图可以看出，我国深度学习研究主要从本世纪初开始，并且在不同研究类目上呈现出不规则的增长趋势。从整体发展趋势上来看，深度学习理论研究与应用研究一直占据主导地位，且两者之间呈现出相互影响共同发展的态势；同时，近几年深度学习应用研究呈现出快速上升趋势，并有超越理论研究的趋势。结合内容解读，可以得知深度学习理论研究尚存在创新不足的缺陷，且大多数都停留在引进、介绍的层面。另外，深度学习支撑环境研究虽然起步较晚，但受近年来不断出现的新技术影响，其发展势头稳步上升，有望成为深度学习研究的新发展方向。而在深度学习评价研究方面，总体呈现出研究量偏少、研究力度不足等现象，但是随着深度学习研究与应用的不断深入，对于评价方式的转型、评价内容的升级，未来必将引起研究者的广泛关注。

综合上述文献分析与各研究方向趋势的分析发现，我国深度学习研究呈现出一些新的研究增长点。

（一）多样化应用范围，满足不同层次策略需求

目前深度学习研究和应用侧重于高校，且多集中在语言类学科，其他学科教育的研究较少，关注职业教育与成人学习领域较少。由于教育本身存在的复杂性与不可复制性，基于特定群体的深度学习研究成果往往难以直接迁移应用到其他情境中，因此这类研究成果与策略往往难以直接移植到K12教育阶段、成人学习领域以及其他学科教育中。以成人学习领域为例，成人学习者的学习动机、学习目的以及他们对于问题的理解和认识不同于一般学习者，因此如果以普通学习者的深度学习策略来改进成人学习者的深度学习，就会存在明显的不适应。为此在未来一段时间内，我国深度学习研究需要不断拓展研究范围，突破特定群体对象界限，从不同学段、不同学科、不同层次为促进深度学习发展探寻更多的解决路径。

（二）智能化环境设计，促进深度学习发生

深度学习是否发生，除了人的内因起重要作用外，资源、内容和平台等外部学习环境的作用不可小觑。目前深度学习支撑环境研究多集中在借助工具、平台开展深度学习探究，属于学习环境的整合阶段，而缺少对这类学习环境的深入设计，即在学习环境的设计方面需要不断增加环境的智能性与智慧性，创设学习环境的真实性、个性化与自适应，从而为深度学习的发生提供有利的外在条件。

智能化环境设计体现在两个方面：一方面，智能化学习环境的设计趋向于真实性，即知识生成的环境应尽可能与实际应用的情境相接近。这种真实学习情境的创设为指导学生将所学到的知识运用于实际生活中做了有意义的铺垫，有助于学生产生积极的知识迁移。尤其在近几年，借助虚拟现实、增强现实等新一代技术，更加方便地为学习者提供虚实融合的“真实环境”，从而加深学习者对所学知识的理解，并能在实际生活中进行迁移与应用。另一方面，学习环境的设计趋向于适应性，即知识生成的环境应尽可能满足学习者的学习兴趣、知识水平、认知风格以及情绪等。这种自适应环境设计能够根据需要自动识别学习者的学习特征，从而为更好地激发学习动机提供可能。以学习者情绪自动识别为例，智能化学习环境通过实时识别学习者在学习过程中的复杂情绪体验，并通过学习环境的自动调整，改善学习态度与动机，从而促进深度学习的发生。

（三）立体化评价体系，超越传统单一的评价形态

采用恰当而便捷的方式判断和衡量学习者是否发生深度学习及其发生深度学习的层次，是影响深度学习发展的关键所在。传统基于深度学习方法与策略的测量固然可以间接实现对深度学习结果的表征，但无法满足精准、高效的评测，因此要改变传统单一化的评价模式，鼓励师生协同开展立体化的学习评价，实现评价方式的多样化、评价主体的多元化、评价数据的全面化以及评价目标的个性化。

（四）最大化技术优势，拓宽研究视角与深度

OECD（2015）报告中提到先进的技术可以放大优质的教育，同样先进的教育也可以拓宽科学研究的视角和深度。纵观我国深度学习在技术支撑方面的研究，虽然没有只停留在技术的新瓶装旧酒层面，但深度学习研究中技术支撑不应仅停留在提供各式各样的平台与环境，而应该融入研究，并最大化利用技术优势，不断地推动深度学习的发展。

近年来，随着新兴技术的不断发展，借助技术工具的优势拓展深度学习研究，逐渐引起研究者的关注。虽然支撑环境研究起步相对较晚，且从研究情况来看远不及理论研究与应用研究，但是随着VR技术、人工智能以及学习分析等新技术工具的不断发展与应用，人们能够从更广、更深的角度探究深度学习的发展机理，从而为深度学习的进一步发展提供新的发展空间。以学习分析为例，学习分析的核心是以学习者在学习过程中产生大规模数据为依托，以统计分析为手段，实现对学习的评估与预测。随着学习分析技术在教育领域应用的不断深入，学习行为分析有望打开深度学习的“黑箱”（Macfadyen & Dawson, 2010）。尤其是在当前国内外已有研究者成功地从行为分析角度探究学习行为与结果的关系（马杰，赵蔚，张洁，赵艳，2014）。因此，如何借助新兴技术的优势，深入阐释深度学习的发生机制，探究学习行为与深度学习结果之间的关系，从而更好地为促进深度学习发生提供依据，成为未来深度学习研究的重要方向。